Inteligencia artificial, aprendizaje automático… Estas palabras de moda se han convertido en partes esenciales del vocabulario tecnológico, pero ¿cuántas personas entienden realmente su significado más profundo?
Antes de aventurarnos más en este artículo para comprender cómo se pueden utilizar estas tecnologías para el comercio electrónico, tomemos el tiempo para disipar el misterio que las rodea.
La inteligencia artificial (IA) se caracteriza por la creación de algoritmos informáticos capaces de realizar tareas con “algo” de inteligencia. Este campo es muy amplio y reúne decenas de campos de estudio como los sistemas distribuidos (sistemas multiagente), la resolución de problemas de optimización (metaheurística), la construcción de sistemas expertos, la satisfacción de restricciones o incluso la planificación.
El aprendizaje automático es uno de esos campos de estudio en IA. Los algoritmos de aprendizaje automático tienen la capacidad de aprender de los datos y extraer información relevante mediante la aplicación de reglas estadísticas que definen un modelo de aprendizaje. Con el aprendizaje automático, el desarrollador ya no codifica directamente la forma de resolver un problema sino la forma de aprender a resolver el problema en la base de datos.
El aprendizaje automático generalmente se divide en dos fases básicas: aprendizaje y predicción. Durante la fase de entrenamiento, el algoritmo ajusta sus parámetros utilizando un conjunto de datos, aprendiendo así los patrones y relaciones subyacentes presentes en los datos. Una vez entrenado el modelo, se puede implementar para hacer predicciones o decisiones sobre nuevos datos durante la fase de inferencia.
Cuando sabemos que un sitio de comercio electrónico gestiona una amplia gama de productos, atrae a muchos usuarios que realizan diversas acciones (navegación, expresión de interés en productos, compras) y que todo esto genera una cantidad considerable de datos… Inmediatamente nos damos cuenta del importante potencial de algoritmos de aprendizaje automático para comprender el comportamiento de los visitantes y, por tanto, para mejorar directamente la experiencia del cliente y optimizar las ventas.
Para garantizar la efectividad de estos algoritmos son necesarios dos ingredientes: datos de calidad y contextos de uso específicos. He aquí algunos ejemplos concretos.
Aprendizaje automático para optimizar la búsqueda de productos
Cuando se trata de búsqueda, el aprendizaje automático se puede utilizar de diferentes maneras:
– Optimizar la comprensión automática del significado semántico de una consulta. Ilustremos esto con la búsqueda por voz. Cuando un visitante dice “Me gustaría un sofá gris por favor”, el buscador, basado en aprendizaje automático, puede discernir que los términos importantes son “sofá gris” y que “gris” corresponde a un color, dejando de lado el resto de los oración. Gracias a las tecnologías NLP (Natural Language Processing) o más recientemente gracias a los LLM (Large Language Models), el motor de búsqueda tiene la capacidad de comprender semánticamente al usuario, incluso si la frase está formulada en lenguaje natural, de forma compleja.
– Sugerir productos en caso de frase de búsqueda desconocida.
En caso de expresión de búsqueda desconocida, es posible utilizar un algoritmo de reapertura. Esto le permite presentar artículos relevantes incluso si están designados con términos diferentes. Por ejemplo, si un visitante ingresa “sombrero”, el sitio de comercio electrónico puede ofrecer gorros en invierno o sombreros de paja en verano. Esta capacidad resulta del hecho de que el aprendizaje automático entiende semánticamente que “sombrero” está cerca de “bonnet” o “hat”.
Otro aspecto de la aplicación de estos algoritmos es personalizar el recorrido del cliente.
Los algoritmos de aprendizaje automático abren perspectivas en la personalización
Esto se puede hacer, en particular, a nivel de clasificación de productos y se manifiesta en varios contextos:
- LA estacionalidad: la clasificación puede variar según las estaciones. Por ejemplo, si los visitantes buscan suéteres en verano, el sistema favorecerá las prendas más ligeras, mientras que en invierno resaltará los suéteres más gruesos y abrigados.
- Apetito del usuario: cuando este último busca productos para hombres y luego introduce el término “zapatos”, los resultados de la búsqueda pueden orientarse hacia zapatos destinados a hombres.
- El perfil de usuario: es posible aprender a clasificar a los clientes y definir perfiles estándar que luego se utilizarán para personalizar las respuestas del motor de búsqueda o los algoritmos de recomendación, o incluso para crear listados de productos personalizados en la página de inicio, por ejemplo.
- Palabras clave escritas: Cuando el usuario escribe “jeans”, el motor de búsqueda entiende que busca principalmente pantalones en lugar de chaquetas de mezclilla, una inferencia extraída de su conocimiento de las expectativas del usuario. Al ajustar la clasificación según las palabras clave, el aprendizaje automático organiza los productos de forma relevante, por ejemplo integrando nociones de los más vendidos.
La personalización también puede extenderse a otros aspectos, por ejemplo en:
- Fichas de producto: Se pueden hacer sugerencias sobre productos populares que combinen bien con el que está viendo el usuario. Esta funcionalidad se basa en algoritmos de venta cruzada, que identifican los productos que se compran juntos con frecuencia. Además, es posible mostrar las opciones de otros clientes que han comprado el mismo producto, ofreciendo así sugerencias adicionales para un carrito de compras. Otra posibilidad sería sugerir artículos similares, pero en un rango de precio más alto (up sell).
- La página de bienvenida : Se pueden ofrecer productos personalizados al usuario en función de su historial. Esto se puede hacer de diferentes maneras: abriéndolo para presentarle artículos que aún no conoce pero que podrían interesarle, o cerrándolo para sugerirle productos que ya ha comprado o que adquiere con frecuencia. Este enfoque es especialmente relevante en alimentación, donde la recomendación de productos habituales facilita la experiencia de compra.
Los casos de uso mencionados se centran en mejoras directas en la experiencia del cliente. Al mismo tiempo, el aprendizaje automático también puede ayudar a brindar a las personas que administran el sitio de comercio electrónico formas de mejorar sus tareas profesionales.
Algoritmos de aprendizaje automático: poderosos aliados para los comerciantes electrónicos
Consideremos una situación en la que un grupo de productos parece estar mal desglosado dentro de una categoría. Los algoritmos de aprendizaje automático tienen la capacidad de detectar esta situación y reportarla. Entonces sería necesaria la intervención humana para evaluar y calificar la categoría. Además, los algoritmos también pueden detectar categorías que carecen de relevancia, agrupando una variedad de productos sin una conexión significativa y sugiriendo dividirlos en subcategorías más específicas.
Estos algoritmos también ofrecen a los comerciantes electrónicos sugerencias de sinónimos relevantes para integrarlos en el Back Office. Esta funcionalidad se basa en el análisis de resultados de usuario cero, lo que permite una optimización fina de los resultados de búsqueda. Por ejemplo, la sugerencia de sinónimos como ‘aplique de pared’ para ‘lámpara’, o ‘camisón’ para ‘camisón’, demuestra la capacidad de estas tecnologías para anticiparse y responder a las expectativas de los clientes.
En conclusion
La experiencia de los algoritmos de aprendizaje automático radica en su capacidad para asimilar con precisión los comportamientos de los usuarios, identificar tendencias, clasificar y revelar correlaciones significativas entre productos. Esta capacidad los convierte en herramientas esenciales para optimizar la experiencia general del usuario, particularmente en las áreas de búsqueda y recomendación. De este modo, allanan el camino para una experiencia de usuario más inmersiva y personalizada, contribuyendo significativamente a maximizar la tasa de conversión en el sitio comercial.
¿Cómo será el futuro de las búsquedas online? Es seguro que ya no se limitará a consultas de palabras clave como las conocemos hoy. Desarrollos recientes en inteligencia artificial, particularmente en el campo de la IA generativa; como por ejemplo los LLM (modelos de lenguaje natural capaces de comprender y generar texto humano) utilizados por ChatGPT; abrir el camino a nuevas perspectivas.
Estos avances tecnológicos ofrecen oportunidades para reinventar la forma en que utilizamos los motores de búsqueda y podrían evolucionar hacia una interacción más directa, donde chatear con los motores de búsqueda se vuelva tan natural como charlar con un vendedor físico en la tienda.
El día de mañana, la experiencia del usuario en los sitios web podría sufrir una gran transformación, marcando una evolución significativa respecto a nuestros hábitos actuales.
Una columna de Ferdinand Piette, científico de aprendizaje automático, doctorado en Sensefuel
Me gusta eso :
me gusta cargando…
